Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Trajectory Optimization for High-Power Robots with Motor Temperature Constraints Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Modelling and Predicting Rhythmic Flow Patterns in Dynamic Environments

verfasst von : Sergi Molina, Grzegorz Cielniak, Tomáš Krajník, Tom Duckett

Erschienen in: Towards Autonomous Robotic Systems

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We present a time-dependent probabilistic map able to model and predict flow patterns of people in indoor environments. The proposed representation models the likelihood of motion direction on a grid-based map by a set of harmonic functions, which efficiently capture long-term (minutes to weeks) variations of crowd movements over time. The evaluation, performed on data from two real environments, shows that the proposed model enables prediction of human movement patterns in the future. Potential applications include human-aware motion planning, improving the efficiency and safety of robot navigation.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Tabu Temporal Difference Learning for Robot Path Planning in Uncertain Environments
Nächstes Kapitel Extending Deep Neural Network Trail Navigation for Unmanned Aerial Vehicle Operation Within the Forest Canopy
Literatur
1.
Palmieri, L., Kucner, T.P., Magnusson, M., Lilienthal, A.J., Arras, K.O.: Kinodynamic motion planning on Gaussian mixture fields. In: IEEE International Conference on Robotics and Automation (ICRA), pp. 6176–6181. IEEE (2017)
2.
Krajník, T., Fentanes, J.P., Santos, J., Duckett, T.: FreMEn: frequency map enhancement for long-term mobile robot autonomy in changing environments. IEEE Trans. Robot. (2017)
3.
Brscic, D., Kanda, T., Ikeda, T., Miyashita, T.: Person position and body direction tracking in large public spaces using 3D range sensors. IEEE Trans. Hum.-Mach. Syst. 43(6), 522–534 (2013)CrossRef
4.
Arbuckle, D., Howard, A., Mataric, M.: Temporal occupancy grids: a method for classifying the spatio-temporal properties of the environment. In: IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) (2002)
5.
Mitsou, N., Tzafestas, C.: Temporal occupancy grid for mobile robot dynamic environment mapping. In: Mediterranean Conference on Control Automation (2007)
6.
Sun, L., Yan, Z., Molina, S., Hanheide, M., Duckett, T.: 3DOF pedestrian trajectory prediction learned from long-term autonomous mobile robot deployment data. In: IEEE International Conference on Robotics and Automation (2018)
7.
Rudenko, A., Palmieri, L., Arras, O.: Joint long-term prediction of human motion using a planning-based social force approach. In: IEEE International Conference on Robotics and Automation (ICRA) (2018)
8.
Bennewitz, M., Burgard, W., Cielniak, G., Thrun, S.: Learning motion patterns of people for compliant robot motion. IJRR 24(1), 31–48 (2005)
9.
Wang, Z., Ambrus, R., Jensfelt, P., Folkesson, J.: Modeling motion patterns of dynamic objects by IOHMM. In: 2014 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2014), pp. 1832–1838. IEEE (2014)
10.
Kucner, T., Saarinen, J., Magnusson, M., Lilienthal, A.J.: Conditional transition maps learning motion patterns in dynamics environments. In: IEEE International Conference on Intelligent Robots and Systems (2013)
11.
Saarinen, J., Andreasson, H., Lilienthal, A.J.: Independent Markov chain occupancy grid maps for representation of dynamic environment. In: IEEE Intelligent Robots and Systems, pp. 3489–3495. IEEE (2012)
12.
Dayoub, F., Cielniak, G., Duckett, T.: Long-term experiments with an adaptive spherical view representation for navigation in changing environments. Robot. Auton. Syst. 59, 285–295 (2011)CrossRef
13.
Rosen, D.M., Mason, J., Leonard, J.J.: Towards lifelong feature-based mapping in semi-static environments. In: International Conference on Robotics and Automation (ICRA), pp. 1063–1070. IEEE, May 2016
14.
Tipaldi, G.D., Meyer-Delius, D., Burgard, W.: Lifelong localization in changing environments. IJRR 32, 1662–1678 (2013)
15.
Fentanes, J.P., Lacerda, B., Krajník, T., Hawes, N., Hanheide, M.: Now or later? Predicting and maximising success of navigation actions from long-term experience. In: International Conference on Robotics and Automation, pp. 1112–1117, May 2015
16.
Santos, J.M., Krajnik, T., Fentanes, J.P., Duckett, T.: Lifelong information-driven exploration to complete and refine 4D spatio-temporal maps. Robot. Autom. Lett. 1, 684–691 (2016)CrossRef
17.
Jovan, F., et al.: A poisson-spectral model for modelling temporal patterns in human data observed by a robot. In: 2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pp. 4013–4018, October 2016
18.
Yan, Z., Duckett, T., Bellotto, N., et al.: Online learning for human classification in 3D LiDAR-based tracking. In: International Conference on Intelligent Robots and Systems (IROS) (2017)
19.
Molina, S., Cielniak, G., Krajnik, T., Duckett, T.: Modelling and predicting rhythmic flow patterns in dynamics environments. In: Robotics and Autonomous Systems: Robots Working for and Among Us (2017)
Metadaten
Titel
Modelling and Predicting Rhythmic Flow Patterns in Dynamic Environments
verfasst von
Sergi Molina
Grzegorz Cielniak
Tomáš Krajník
Tom Duckett
Copyright-Jahr
2018
Buch
Towards Autonomous Robotic Systems

Print ISBN: 978-3-319-96727-1

Electronic ISBN: 978-3-319-96728-8

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-96728-8_12